  

SlideShare Explore Search You

Clip slide

1 of 25 

17,219 views
Conceptual dependency
Share   Like   ...

Jismy .K.Jose, Assistant Professor at Cochin University Science and Technology
 Follow
       

Published on Dec 14, 2016

Developed to represent knowledge acquired from natural language input

...

Published in: Education

 Conceptual dependency
1. Conceptual Dependency ­A Model of Natural Language understanding in Artificial Intelligence ­
Represent knowledge acquire from NL input
2. Conceptual Dependency (CD) ● CD theory was developed by Schank in 1973 to 1975 to represent the
meaning of NL sentences. − It helps in drawing inferences − It is independent of the language ● CD
representation of a sentence is not built using words in the sentence rather built using conceptual primitives
which give the intended meanings of words. ● CD provides structures and specific set of primitives from
which representation can be built.
3. Primitive Acts of CD theory ● ATRANS Transfer of an abstract relationship (i.e. give) ● PTRANS Transfer
of the physical location of an object (e.g., go) ● PROPEL Application of physical force to an object (e.g.
push) ● MOVE Movement of a body part by its owner (e.g. kick) ● GRASP Grasping of an object by an
action (e.g. throw) ● INGEST Ingesting of an object by an animal (e.g. eat) ● EXPEL Expulsion of
something from the body of an animal (e.g. cry) ● MTRANS Transfer of mental information (e.g. tell) ●
MBUILD Building new information out of old (e.g decide) ● SPEAK Producing of sounds (e.g. say) ●
ATTEND Focusing of a sense organ toward a stimulus (e.g. listen)
4. Conceptual category ● There are four conceptual categories − ACT Actions {one of the CD primitives} −
PP Objects {picture producers} − AA Modifiers of actions {action aiders} − PA Modifiers of PP’s {picture
aiders}
5. Example ● I gave a book to the man. CD representation is as follows: P O R man (to) I ⇔ ATRANS ←
book I (from) ● It should be noted that this representation is same for different saying with same meaning.
For example − I gave the man a book, − The man got book from me, − The book was given to man by me
etc.
6. Few conventions ● Arrows indicate directions of dependency ● Double arrow indicates two way link
between actor and action. O – for the object case relation R – for the recipient case relation P – for past
tense D ­ destination
7.   The use of tense and mood in describing events is extremely important and schank introduced the
following modifiers:  p– past  f– future  t– Transition  ts­start Transition  tf­Finished Transition  k ­
Continuing  ? Interrogative  / Negative  Nil­Present  delta– timeless  c– conditional  The absence of
any modifier implies the present tense. 
8. Rule 1: PP ⇔ ACT ● It describes the relationship between an actor and the event he or she causes. −
This is a two­way dependency, since neither actor nor event can be considered primary. − The letter P in
the dependency link indicates past tense. ● Example: John ran P CD Rep: John ⇔ PTRANS
9. Rule 2: ACT   PP ● It describes the relationship between a ACT and a PP (object) of ACT. − The
direction of the arrow is toward the ACT since the context of the specific ACT determines the meaning of
the object relation. ● Example: John pushed the bike O CD Rep: John ⇔ PROPEL ← bike
10. Rule 3: PP ↔ PP ● It describes the relationship between two PP’s, one of which belongs to the set
defined by the other. ● Example: John is doctor CD Rep: John ↔ doctor
11. Rule 4: PP   PP ● It describes the relationship between two PP’s, one of which provides a particular
kind of information about the other. − The three most common types of information to be provided in this
way are possession ( shown as POSS­BY), location (shown as LOC), and physical containment (shown as
CONT). − The direction of the arrow is again toward the concept being described. ● Example: John’s dog
poss­by CD Rep dog   John
12. Rule 5: PP ⇔ PA ● It describes the relationship between a PP and a PA that is asserted to describe it. −
PA represents states of PP such as height, health etc. ● Example: John is fat CD Rep John ⇔ weight (>
80)
13. Rule 6: PP   PA ● It describes the relationship between a PP and an attribute that already has been
predicated of it. − Direction is towards PP being described. ● Example: Smart John CD Rep John   smart
14. → PP (to) Rule 7: ACT ← R ← PP (from) ● It describes the relationship between an ACT and the
source and the recipient of the ACT ● Example: John took the book from Mary → John CD Rep: John ⇔
ATRANS←R O ↑ ← Mary book
15. → PA Rule 8: PP ← PA ● It describes the relationship that describes the change in state. ● Example:
Tree grows → size > C CD Rep: Tree ← ← size = C
16. ⇔ {x} Rule 9: ⇔ {y} ● It describes the relationship between one conceptualization and another that
causes it. − Here {x} is causes {y} i.e., if x then y ● Example: Bill shot Bob {x} : Bill shot Bob {y} : Bob’s
health is poor
17. ⇔ {x} Rule 10: ↓ ⇔ {y} ● It describes the relationship between one conceptualization with another that
is happening at the time of the first. − Here {y} is happening while {x} is in progress. ● Example: While going
home I saw a snake I am going home ↓ I saw a snake
18. Generation of CD representations Sentences CD Representations Jenny cried p o d ? Jenny ⇔ EXPEL
← tears eyes poss­by ⇑ Jenny Mike went to India p d India Mike ⇔ PTRANS ? (source is unknown) Mary
read a novel p o d CP(Mary) Mary ⇔ MTRANS ← info novel ↑ i (instrument) p o d novel Mary ⇔ ATTEND
← eyes ?
19.   Primitive states are used to describe many state descriptions such as height, health, mental state,
physical state.  There are many more physical states than primitive actions. They use a numeric scale.
E.g. John  height(+10) John is the tallest   John  height(< average) John is short   Frank
Zappa  health(­10) Frank Zappa is dead  Dave  mental_state(­10) Dave is sad 
Vase  physical_state(­10) The vase is broken 
20. Sentence CD Representation Since drugs can kill, I stopped. o r One One ⇔ INGEST ← durgs Mouth c
health = ­10 One health > ­10 c tfp o r I I ⇔ INGEST ← durgs mouth
21. Inferences Associated with Primitive Act ● General inferences are stored with each primitive Act thus
reducing the number of inferences that need to be stored explicitly with each concept. ● For example, from
a sentence “John killed Mike”, we can infer that “Mike is dead”. ● Let us take another example of primitive
Act INGEST. ● The following inferences can be associated with it. − The object ingested is no longer
available in its original form. − If object is eatable, then the actor has less hunger. − If object is toxic, then
the actor’s heath is bad. − The physical position of object has changed. So PTRANS is inferred.
 22. Cont… ● Example: The verbs {give, take, steal, donate} involve a transfer of ownership of an object. − If
any of them occurs, then inferences about who now has the object and who once had the object may be
important. − In a CD representation, these possible inferences can be stated once and associated with the
primitive ACT “ATRANS”.  Consider another sentence “Bill threatened John with a broken nose” −
Sentence interpretation is that Bill informed John that he (Bill) will do something to break john’s nose. − Bill
did (said) so in order that John will believe that if he (john) does some other thing (different from what Bill
wanted) then Bill will break John’s nose.
23. Problems with CD Representation ● It is difficult to − construct original sentence from its corresponding
CD representation. − CD representation can be used as a general model for knowledge representation,
because this theory is based on representation of events as well as all the information related to events. ●
Rules are to be carefully designed for each primitive action in order to obtain semantically correct
interpretation.
24. Advantages of CD:   Using these primitives involves fewer inference rules.   Many inference rules are
already represented in CD structure.   The holes in the initial structure help to focus on the points still to be
established. Disadvantages of CD:   Knowledge must be decomposed into fairly low level primitives. 
Impossible or difficult to find correct set of primitives.   A lot of inference may still be required. 
Representations can be complex even for relatively simple actions. Consider:Dave bet Frank five pounds
that Wales would win the Rugby World Cup.   Complex representations require a lot of storage
25. APPLICATIONS OF CD:   MARGIE(Meaning Analysis, Response Generation and Inference on
English) ­­ model natural language understanding.   SAM(Script Applier Mechanism) ­­ Scripts to
understand stories.   PAM(Plan Applier Mechanism) ­­ Scripts to understand stories.

Recommended

Learning to Teach Online
Online Course ­ LinkedIn Learning

Office 365: PowerPoint Essential Training
Online Course ­ LinkedIn Learning

Gamification of Learning
Online Course ­ LinkedIn Learning

Rise of Dawn Photos and Script Excerpts
Emmy Award­Winning Filmmaker Ken Kimmelman and Imagery Film Ltd
Issues in knowledge representation
Sravanthi Emani

Knowledge Representation in Artificial intelligence
Yasir Khan

Knowledge representation in AI
Vishal Singh

Script
Sandip S. Patil

Weak Slot and Filler Structure (by Mintoo Jakhmola LPU)
Mintoo Jakhmola

Artificial intelligence and knowledge representation
Sajan Sahu

English  Español  Português  Français  Deutsch

About   Blog   Terms   Privacy   Copyright

        
LinkedIn Corporation © 2020